Python 使用'重新采样；how=count'；引起问题

我有一个简单的熊猫数据框，它在不同的时间进行测量：

                     volume
t
2013-10-13 02:45:00      17
2013-10-13 05:40:00      38
2013-10-13 09:30:00      29
2013-10-13 11:40:00      25
2013-10-13 12:50:00      11
2013-10-13 15:00:00      17
2013-10-13 17:10:00      15
2013-10-13 18:20:00      12
2013-10-13 20:30:00      20
2013-10-14 03:45:00       9
2013-10-14 06:40:00      30
2013-10-14 09:40:00      43
2013-10-14 11:05:00      10

我正在做一些基本的重采样和绘图，比如每天的总体积，效果很好：

df.resample('D',how='sum').head()   

            volume
t
2013-10-13     184
2013-10-14     209
2013-10-15     197
2013-10-16     309
2013-10-17     317

但由于某种原因，当我尝试每天计算条目的总数时，它会返回一个多索引系列，而不是数据帧：

df.resample('D',how='count').head()

2013-10-13  volume     9
2013-10-14  volume     9
2013-10-15  volume     7
2013-10-16  volume     9
2013-10-17  volume    10

---

我可以修复数据，以便通过简单的unstack调用轻松绘制数据，即

df.resample（'D'，how='count'）.unstack（）

，但是，为什么使用

how='count'

调用重采样与使用

how='sum'

调用重采样有不同的行为？

看起来，

resample

和

count

在结果数据帧的结构方面会导致一些奇怪的行为（至少是0.13.1）。有关稍微不同但相关的上下文，请参见此处：

您可以使用相同的策略 在这里：

这就是你的问题：

>>> df.resample('D',how='count')

2013-10-13  volume    9
2013-10-14  volume    4

您可以通过指定

count

应用于

volume

列，并在

resample

调用中使用dict来解决此问题：

>>> df.resample('D',how={'volume':'count'})

            volume
date              
2013-10-13       9
2013-10-14       4

---

你找到解释了吗？这对于多指标尤其令人沮丧，因为我没有时间进一步研究，这里没有人回答，所以没有=（因此，我想我们可以假设这是一个bug。不过解决方法不错。有没有一种简单的方法可以在多个列中实现相同的结果？对我来说，这是可行的，但需要使用更多列进行大量键入：df.resample（'D'，how={'volume'：'count'，'open'：'count'，'high'：'count}）

how

参数现在不推荐使用此参数：

>>> df.resample('D',how={'volume':'count'})

            volume
date              
2013-10-13       9
2013-10-14       4